Dora2022-05-03 16:17:22
Dora老师，在帮我讲讲这几个偏差好吗，谢谢
回答（1）
Evian, CFA2022-05-03 21:39:51
Evian, CFAヾ(◍°∇°◍)ﾉﾞ你好同学，
A Survivor bias 幸存偏差：只抓取行业现存数据（业绩好），因为业绩不好的已经不再进行投资，不可查。导致评估偏差（偏高）
D Backfill bias 回填偏差：某个指数（代表市场业绩）经过一段时间，需要补上空缺，“回填”到这个指数一定是业绩高于市场平均的数据。导致评估偏差（偏高）
B和C是22年新考纲新增的偏差：
B 自选择偏差是指解释变量不是随机的，而是个体选择的结果，而这个选择的过程会使对主效应的估计产生偏差。
C 隐性偏差的一种常见形式是确认偏差，即模型构建者无意中以认可已有观念和假设的方式处理数据
---------------------
学而时习之，不亦说乎👍【点赞】鼓励自己更加优秀，您的声音是我们前进的源动力，祝您生活与学习愉快!~
- 评论（0）
- 追问（4）
- 追问
-
啊 B 和 C 不涉及嘛那就好。。。我是在老师的讲义里面看到的，但是她的解释很模糊～！
- 追答
-
你说的对，讲义上有，是22年新考纲新增的偏差。
B
Self-selection bias，样本选择偏差。它指的是基金经理在对外报告自己业绩的时候，可以自我选择披露的对象，比如只披露自己手中经营的明星产品，业绩一般的就不对外进行公开。这种由自我选择所产生的偏差，被称为自我选择偏差。比如对冲基金的业绩披露就是如此。
C
Implicit selection，隐性选择偏差。例如，我们想研究的是整体股票市场中所有股票，此时样本是从上证50里抽取的，由于上证50中的股票比其他股票的质量高，在上证50里抽样，会对整体股票市场中所有股票估计有所偏差（估计结果偏好）
- 追问
-
老师 那请问 self-selection 和 data ming 的区别是啥吗 ，之前老师好像有说过data ming 有cherry picking, 那这两个不就很相似吗？
- 追答
-
self-selection自我选择偏差和cherry picking有相似之处，self-selection是基金经理选择拿得出手业绩好的资产作为广告，而cherry piakcing指的是在采摘樱桃之类的水果过程中,采摘者选自己认为最成熟最健康的水果。
Data mining bias指的是数据挖掘偏差，是模型过度抓取了样本数据的特征，而不能准确估计总体特征。
例如，研究哺乳动物。
用猫的图片作为样本，总体是哺乳动物，模型抓取信息过度的意思是，模型从猫的图片中总结“耳朵在头上方、爬行、全身有毛发，四肢差不多长”来估计总体，可是我们给电脑模型一张人类的图片，模型会说人不是哺乳动物。
这个过程没有人为主动影响结果好坏，主要原因是模型的设置，或者样本容量较小。
评论
0/1000
追答
0/1000
+上传图片